[发明专利]减振器异响评价预测方法、装置、设备及可读存储介质在审
申请号: | 202210677362.9 | 申请日: | 2022-06-15 |
公开(公告)号: | CN115292801A | 公开(公告)日: | 2022-11-04 |
发明(设计)人: | 张浩;高小清;周副权;刘浩;叶永威 | 申请(专利权)人: | 东风汽车集团股份有限公司 |
主分类号: | G06F30/15 | 分类号: | G06F30/15;G06F30/17;G06F30/23;G06F30/27;G06N3/04;G06N3/08;G01M17/04;G06F119/10;G06F119/14 |
代理公司: | 武汉智权专利代理事务所(特殊普通合伙) 42225 | 代理人: | 罗成 |
地址: | 430056 湖北省武*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 减振器 评价 预测 方法 装置 设备 可读 存储 介质 | ||
1.一种减振器异响评价预测方法,其特征在于,所述减振器异响评价预测方法包括:
S10,获取减振器上支撑件的动刚度曲线Kd;
S20,获取减振器台架试验活塞杆上端的振动信号在每个周期内的时域峰值,计算减振器台架试验活塞杆上端的振动信号在每个周期内的时域峰值的平均值Pmax;
S30,根据减振器振动信号通过计算得到频率fi和频率fj区间内的RMS值PRMS;
S40,将整车结构有限元模型和车内声腔模型进行耦合,得到整车CAE模型;
S50,在整车CAE模型上的减振器安装点处施加作用力,获取减振器至人耳的噪声传递函数曲线Fntf;
S60,将减振器安装在实车上,获取实车在路面上行驶时对减振器异响进行打分的主观评价得分值;
S70,针对各个减振器,分别执行上述S10~S60,得到每个减振器对应的Kd、Pmax、PRMS、Fntf以及主观评价得分值;
S80,以每个减振器对应的Kd、Pmax、PRMS、Fntf以及主观评价得分值作为一组训练数据,基于多组训练数据对神经网络模型进行训练,得到训练完成的神经网络模型;
S90,将待测减振器对应的Kd、Pmax、PRMS以及Fntf输入训练完成的神经网络模型,得到待测减振器的预测主观评价得分值。
2.如权利要求1所述的减振器异响评价预测方法,其特征在于,所述根据减振器振动信号通过计算得到频率fi和频率fj区间内的RMS值PRMS的步骤,包括:
将减振器振动信号进行傅里叶变换得到频域结果;
将频域结果代入第一预设公式,计算得到频率fi和频率fj区间内的RMS值PRMS,其中,第一预设公式如下:
其中,PRMS为频率fi和频率fj区间内的RMS值,为第i个频域结果,为第k个频域结果,第j个频域结果。
3.如权利要求1所述的减振器异响评价预测方法,其特征在于,所述在整车CAE模型上的减振器安装点处施加作用力,获取减振器至人耳的噪声传递函数曲线Fntf的步骤,包括:
在整车CAE模型上的减振器安装点处施加作用力,通过预设软件计算车内人耳处的声压响应,得到减振器至人耳的噪声传递函数曲线Fntf。
4.如权利要求1所述的减振器异响评价预测方法,其特征在于,所述主观评价得分值包括减振器在不同环境下的主观评价得分值,一环境通过一整车CAE模型以及一路面确定。
5.如权利要求1所述的减振器异响评价预测方法,其特征在于,所述基于多组训练数据对神经网络模型进行训练,得到训练完成的神经网络模型的步骤,包括:
根据预设比例选取多组训练数据对神经网络模型进行训练并验证;
若验证通过,则得到训练完成的神经网络模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东风汽车集团股份有限公司,未经东风汽车集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210677362.9/1.html,转载请声明来源钻瓜专利网。